論文の概要: TrackOR: Towards Personalized Intelligent Operating Rooms Through Robust Tracking

• arxiv url: http://arxiv.org/abs/2508.07968v1
• Date: Mon, 11 Aug 2025 13:28:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:29.113151
• Title: TrackOR: Towards Personalized Intelligent Operating Rooms Through Robust Tracking
• Title（参考訳）: Trackor:ロバストトラッキングによるパーソナライズされたインテリジェントなオペレーティングルームを目指して
• Authors: Tony Danjun Wang, Christian Heiliger, Nassir Navab, Lennart Bastian,
• Abstract要約: 手術室における長期多人数追跡と再同定のためのフレームワークであるTrackORを提案する。 TrackORは3Dの幾何学的シグネチャを使用して、最先端のオンライントラッキングパフォーマンスを実現する。 我々の研究は、3次元幾何学的情報を活用することで、永続的なアイデンティティ追跡が実現可能であることを示している。
• 参考スコア（独自算出の注目度）: 38.59801869721841
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Providing intelligent support to surgical teams is a key frontier in automated surgical scene understanding, with the long-term goal of improving patient outcomes. Developing personalized intelligence for all staff members requires maintaining a consistent state of who is located where for long surgical procedures, which still poses numerous computational challenges. We propose TrackOR, a framework for tackling long-term multi-person tracking and re-identification in the operating room. TrackOR uses 3D geometric signatures to achieve state-of-the-art online tracking performance (+11% Association Accuracy over the strongest baseline), while also enabling an effective offline recovery process to create analysis-ready trajectories. Our work shows that by leveraging 3D geometric information, persistent identity tracking becomes attainable, enabling a critical shift towards the more granular, staff-centric analyses required for personalized intelligent systems in the operating room. This new capability opens up various applications, including our proposed temporal pathway imprints that translate raw tracking data into actionable insights for improving team efficiency and safety and ultimately providing personalized support.
• Abstract（参考訳）: 外科的チームに対するインテリジェントな支援を提供することは、患者の結果を改善することを目的とした、自動的な外科的シーン理解における重要なフロンティアである。 スタッフ全員にパーソナライズされたインテリジェンスを開発するには、長い外科手術の場所がどこにあるかという一貫した状態を維持する必要がある。 手術室における長期多人数追跡と再同定のためのフレームワークであるTrackORを提案する。 TrackORは3Dの幾何学的シグネチャを使用して、最先端のオンライントラッキング性能(最強のベースラインに対して+11%のアソシエーション精度)を達成すると同時に、効果的なオフラインリカバリプロセスによって分析可能な軌道を生成することができる。 我々の研究は、3Dの幾何学的情報を活用することで、永続的なアイデンティティ追跡が実現可能となり、手術室におけるパーソナライズされたインテリジェントシステムに必要な、よりきめ細やかな、スタッフ中心の分析への重要なシフトを可能にすることを示している。 提案した時間的経路インプリントは、生の追跡データを実用的な洞察に変換し、チームの効率と安全性を改善し、最終的にはパーソナライズされたサポートを提供する。

関連論文リスト

• LiteTracker: Leveraging Temporal Causality for Accurate Low-latency Tissue Tracking [84.52765560227917]
  LiteTrackerは、内視鏡的ビデオストリームにおける組織追跡のための低遅延手法である。 LiteTrackerは最先端の長期追跡手法に基づいており、トレーニング不要なランタイム最適化のセットを導入している。
  論文  参考訳（メタデータ） (2025-04-14T05:53:57Z)
• Beyond Role-Based Surgical Domain Modeling: Generalizable Re-Identification in the Operating Room [36.67627283629717]
  本稿では,各チームメンバーの独特の動きパターンと身体的特徴を特徴付ける,スタッフ中心のモデリング手法を提案する。 我々は3次元点雲の列を符号化して形状と各個人固有の動きパターンを抽出する一般化可能な再同定フレームワークを開発した。 本手法は, 現実的な臨床データに対して86.19%の精度を達成し, 異なる環境間での移動時の75.27%の精度を維持した。
  論文  参考訳（メタデータ） (2025-03-17T10:30:26Z)
• FeatureSORT: Essential Features for Effective Tracking [0.0]
  本稿では,オンライン複数オブジェクト追跡のための新しいトラッカーについて紹介する。 衣料品の色やスタイル,対象方向など,異なる外観特徴を統合することで,オンライントラッキングの精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-07-05T04:37:39Z)
• QuadrupedGPT: Towards a Versatile Quadruped Agent in Open-ended Worlds [51.05639500325598]
  ペットに匹敵するアジリティで多様なコマンドに従うように設計されたQuadrupedGPTを紹介します。 エージェントは多種多様なタスクを処理し,複雑な指示を行う能力を示し,多種多様四重化エージェントの開発に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2024-06-24T12:14:24Z)
• PNAS-MOT: Multi-Modal Object Tracking with Pareto Neural Architecture Search [64.28335667655129]
  複数の物体追跡は、自律運転において重要な課題である。 トラッキングの精度が向上するにつれて、ニューラルネットワークはますます複雑になり、レイテンシが高いため、実際の運転シナリオにおける実践的な応用に課題が生じる。 本稿では,ニューラル・アーキテクチャ・サーチ(NAS)手法を用いて追跡のための効率的なアーキテクチャを探索し,比較的高い精度を維持しつつ,低リアルタイム遅延を実現することを目的とした。
  論文  参考訳（メタデータ） (2024-03-23T04:18:49Z)
• The RPM3D project: 3D Kinematics for Remote Patient Monitoring [4.555816992996365]
  本研究は,スマートウォッチを用いた3次元動作解析に基づく遠隔患者のモニタリングの実現可能性について検討する。 我々は、素早い人間運動の運動論に基づく分析を行った。 我々はGuttmann Institute5(神経リハビリテーション病院)における脳卒中リハビリテーションの実例として,本研究を検証した。
  論文  参考訳（メタデータ） (2022-12-09T14:16:32Z)
• Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
  3D MOT問題に対する統一型学習型アプローチを提案します。 我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
  論文  参考訳（メタデータ） (2021-04-23T17:59:28Z)
• Joint Scene and Object Tracking for Cost-Effective Augmented Reality Assisted Patient Positioning in Radiation Therapy [0.6299766708197884]
  放射線治療における患者位置決めのためのAR(Augmented Reality)分野の研究は少ない。 本稿では,患者の位置追跡と患者の位置決定過程を対話的に支援する,効率的で費用対効果の高いアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-10-05T10:20:46Z)
• Object Tracking through Residual and Dense LSTMs [67.98948222599849]
  LSTM(Long Short-Term Memory)リカレントニューラルネットワークに基づくディープラーニングベースのトラッカーが、強力な代替手段として登場した。 DenseLSTMはResidualおよびRegular LSTMより優れ、ニュアンセに対する高いレジリエンスを提供する。 ケーススタディは、他のトラッカーの堅牢性を高めるために残差ベースRNNの採用を支援する。
  論文  参考訳（メタデータ） (2020-06-22T08:20:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。